| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1. 引言 | 第8-12页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状和发展趋势 | 第9-10页 |
| 1.3 本文的创新点 | 第10-11页 |
| 1.4 本文的主要工作与结构安排 | 第11-12页 |
| 2. 压缩感知的理论框架 | 第12-29页 |
| 2.1 压缩感知理论的基本原理 | 第12-13页 |
| 2.2 压缩感知理论的关键内容 | 第13-25页 |
| 2.2.1 信号的稀疏表示 | 第13-17页 |
| 2.2.2. 压缩感知的测量 | 第17-22页 |
| 2.2.3 重构算法设计 | 第22-25页 |
| 2.3 压缩感知的应用 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 3. 基于压缩感知理论的信号重构 | 第29-39页 |
| 3.1 基于压缩感知的稀疏信号重构概述 | 第29-31页 |
| 3.2 基于L1范数最小化方法 | 第31-34页 |
| 3.2.1 梯度投影算法(GPSR) | 第31-33页 |
| 3.2.2 加权L1范数最小化算法(Reweighted L1 Minimization) | 第33-34页 |
| 3.3 基于贪婪迭代的匹配追踪类算法 | 第34-38页 |
| 3.3.1 匹配追踪算法(MP) | 第34-35页 |
| 3.3.2 分段正交匹配追踪算法(STOMP) | 第35-36页 |
| 3.3.3 正则化正交匹配追踪算法(ROMP) | 第36-37页 |
| 3.3.4 子空间追踪算法(SP) | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4. 基于融合框架的压缩感知信号重构 | 第39-55页 |
| 4.1 融合框架理论 | 第39页 |
| 4.2 基于融合框架的稀疏重构 | 第39-41页 |
| 4.3 基于OMP和CoSaMP融合框架的压缩感知信号重构 | 第41-44页 |
| 4.4 仿真实验 | 第44-53页 |
| 4.4.1 一维近红外烟草光谱信号重构实验 | 第44-47页 |
| 4.4.2 Boat图像重构实验(512~*512) | 第47-49页 |
| 4.4.3 Lena图像重构实验(256~*256) | 第49-51页 |
| 4.4.4 Fruit图像重构实验(256~*256) | 第51-53页 |
| 4.5 对比分析 | 第53-54页 |
| 4.6 结论 | 第54-55页 |
| 结语 | 第55-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-65页 |
